0
  • 我必须解决2 类分类问题。
  • 我有2 个输出概率的分类器。它们都是不同架构的神经网络。这 2 个分类器经过训练并保存到 2 个文件中。

现在我想构建一个元分类器，它将概率作为输入并学习这两个分类器的权重。所以它会自动决定我应该“信任”我的每个分类器多少。

这个模型在这里描述：
http:
//rasbt.github.io/mlxtend/user_guide/classifier/StackingClassifier/#stackingclassifier 我打算使用mlxtend库，但似乎StackingClassifier改装模型。
我不想改装，因为它需要非常大量的时间。
另一方面，我知道改装对于“协调”每个分类器的工作并“调整”整个系统是必要的。

在这种情况下我该怎么办？

4

1 回答 1

1

我不会谈论，mlxtend因为我没有使用过它，但我会告诉你一般的想法。

您不必将这些模型重新调整到训练集，但您必须将它们重新调整到其中的一部分，以便您可以创建折叠预测。

具体来说，将您的训练数据分成几部分（通常为 3 到 10 个）。保留一个（即折叠）作为验证数据，并在其他折叠上训练两个模型。然后，使用这两个模型预测验证数据的概率。重复该过程，将每个折叠视为验证集。最后，您应该拥有训练集中所有数据点的概率。

然后，您可以使用这些概率和真实标签来训练元分类器。您可以在新数据上使用经过训练的元分类器。

于 2017-08-02T09:05:40.100 回答